```php توثیق دارایی‌های هوش مصنوعی شرکت‌های تجاری در نظام تأمین مالی نوین | وبسایت خبری و تحلیلی دادبان عدالت
×
جدیدترین خبرها
```

سجاد حاجبی خانیکی وکیل پایه یک دادگستری و استاد دانشگاه ـ پژوهشگر دکتری حقوق خصوصی
توثیق دارایی‌های هوش مصنوعی شرکت‌های تجاری در نظام تأمین مالی نوین

  • کد نوشته: 3415
  • ۹ آبان
  • ۰
  • گسترش هوش مصنوعی در فعالیت شرکت‌های تجاری، مفهوم سنتی «دارایی شرکت» را دگرگون ساخته است. در شرکت‌های فناورانه، بخش عمده ارزش اقتصادی ممکن است نه در زمین، ساختمان و تجهیزات، بلکه در داده‌های آموزشی، نرم‌افزار، الگوریتم‌ها، مدل‌های آموزش‌دیده، وزن‌ها و پارامترهای مدل، پایگاه‌های داده، دانش فنی، اسرار تجاری و حقوق قراردادی متجلی باشد. از همین رو، پرسش بنیادین آن است که آیا حقوق می‌تواند این منابع اقتصادی را به‌عنوان مال یا حق مالی شناسایی و انتقال، توقیف و توثیق آنها را امکان‌پذیر سازد.
    توثیق دارایی‌های هوش مصنوعی شرکت‌های تجاری در نظام تأمین مالی نوین

    ۲. «دارایی هوش مصنوعی» الزاماً مترادف با «مالکیت فکری» نیست. اگرچه برخی اجزای سامانه‌های هوش مصنوعی ممکن استتحت حمایت حق اختراع، حقوق نرم‌افزار یا اسرار تجاری قرار گیرند، داده‌های آموزشی، وزن‌های مدل، برخی پارامترهای فنی و حقوقدسترسی به زیرساخت‌ها یا API ممکن است دارای ارزش اقتصادی قابل توجه باشند، بی‌آنکه در قالب‌های کلاسیک مالکیت فکری جایگیرند. بنابراین معیارهایی چون ارزش اقتصادی، قابلیت اختصاص، کنترل، انتقال‌پذیری و قابلیت شناسایی موضوع حق باید مبنایتشخیص مالیت و قابلیت توثیق قرار گیرد.

    ۳. داده، نرم‌افزار و کد منبع از مهم‌ترین دارایی‌های شرکت‌های هوش مصنوعی‌اند؛ با این تفاوت که دسترسی فنی به داده الزاماً معادلمالکیت حقوقی آن نیست. داده ممکن است متضمن اطلاعات شخصی، آثار متعلق به ثالث یا حقوق قراردادی محدود باشد. در نرم‌افزارنیز باید احراز شود که شرکت مالک حقوق مادی است یا صرفاً از مجوز بهره‌برداری برخوردار است. استفاده از کدهای متن‌باز،نرم‌افزارهای اشخاص ثالث و آثار پیمانکاران می‌تواند قابلیت انتقال و توثیق این دارایی‌ها را محدود سازد.

    ۴. مدل‌های آموزش‌دیده و به‌ویژه Model Weights از پیچیده‌ترین مصادیق دارایی‌های نوین محسوب می‌شوند. ارزش یک مدل معمولاًحاصل مجموعه‌ای از معماری نرم‌افزاری، داده‌های آموزشی، دانش فنی، وزن‌ها، پارامترها و فرایندهای Fine-Tuning است و لزوماً دریک جزء منفرد متمرکز نیست. به همین دلیل، در قراردادهای تأمین مالی، توثیق مجموعه‌ای منسجم از دارایی‌های مرتبط با مدل می‌توانداز توثیق جداگانه اجزا کارآمدتر باشد. وزن‌های مدل نیز، به سبب نقش اساسی در قابلیت عملی مدل، می‌توانند واجد ارزش اقتصادیمستقل یا دست‌کم قابل ملاحظه تلقی شوند.

    ۵. در حقوق ایران، تصویب قانون تأمین مالی تولید و زیرساخت‌ها زمینه مهمی برای پذیرش چنین دارایی‌هایی فراهم کرده است. ماده ۷این قانون، دامنه اموال قابل توثیق را به عین، منفعت، طلب، حقوق مالی و اموال مادی و غیرمادی توسعه داده و مالکیت‌های فکری را نیزصریحاً در شمار دارایی‌های قابل توثیق قرار داده است. این رویکرد را باید عبور تدریجی از ساختار سنتی ماده ۷۷۴ قانون مدنی ومفهوم محدود «رهن عین معین» به سوی مفهوم گسترده‌تر «وثیقه بر دارایی» دانست.

    ۶. از مهم‌ترین تحولات قانون جدید آن است که قبض به مفهوم سنتی، شرط صحت قرارداد وثیقه تلقی نشده است؛ امری که در مورددارایی‌های دیجیتال اهمیت بنیادین دارد. در مدل هوش مصنوعی، پایگاه داده یا حقوق نرم‌افزاری، قبض فیزیکی اساساً قابل تصورنیست و باید سازوکارهایی چون ثبت، کنترل دسترسی، محدودیت نقل‌وانتقال و تعیین دقیق موضوع وثیقه جایگزین آن شود. ایجاد سامانهجامع وثایق نیز از همین منظر، وسیله‌ای برای آشکارسازی حقوق وثیقه‌ای در برابر اشخاص ثالث و تعیین تقدم بستانکاران محسوبمی‌شود.

    ۷. با وجود این تحولات، مقررات ایران هنوز وضعیت مدل‌های آموزش‌دیده، وزن‌های مدل، داده‌های اختصاصی و حقوق دسترسیدیجیتال را به‌صراحت تعیین نکرده است. افزون بر این، اثبات مالکیت شرکت نسبت به دارایی موضوع وثیقه اهمیتی اساسی دارد؛ زیراممکن است مدل بر پایه فناوری متن‌باز توسعه یافته، داده‌ها متعلق به اشخاص متعدد، بخشی از کد توسط پیمانکار نوشته یا فناوریتحت مجوز شرکت دیگری مورد استفاده قرار گرفته باشد. ازاین‌رو، بررسی دقیق زنجیره حقوق، قراردادها و مجوزها یا Due Diligence حقوقی پیش‌شرط پذیرش حرفه‌ای چنین وثایقی است.

    ۸. ارزش‌گذاری و تعیین دقیق موضوع وثیقه نیز از چالش‌های اساسی است. ارزش یک مدل هوش مصنوعی ممکن است بر اثر ظهورفناوری رقیب، تغییر مقررات، از بین رفتن دسترسی به داده، تغییر شرایط مجوز یا کاهش تقاضای بازار در مدتی کوتاه دگرگون شود؛ازاین‌رو ارزیابی باید به‌صورت دوره‌ای و بر مبنای مؤلفه‌های حقوقی، فنی و اقتصادی صورت گیرد. همچنین عبارت کلی «دارایی‌هایهوش مصنوعی شرکت» کفایت نمی‌کند و باید مشخص شود وثیقه شامل کد منبع، مدل آموزش‌دیده، Weight File، Checkpoint،داده‌های آموزشی، API، مجوزها و عواید حاصل از بهره‌برداری می‌شود یا خیر.

    ۹. در حوزه اسرار تجاری، میان ضرورت شناسایی وثیقه و حفظ محرمانگی باید تعادل برقرار گردد؛ زیرا افشای بیش از حد اطلاعاتفنی ممکن است ارزش اقتصادی یا حتی وصف محرمانگی دارایی را از میان ببرد. تجربه حقوق تطبیقی، به‌ویژه Article 9 UCC درایالات متحده و قانون نمونه آنسیترال درباره معاملات تضمین‌شده، نشان می‌دهد که نظام‌های جدید به جای محدود شدن در قالب‌هایسنتی، بر کارکرد اقتصادی وثیقه، ثبت واحد، تعیین تقدم و قابلیت اجرا نسبت به طیف گسترده‌ای از اموال نامشهود تمرکز دارند.

    ۱۰. در نهایت، توثیق دارایی‌های هوش مصنوعی را باید بخشی از تحول کلی حقوق تأمین مالی شرکت‌ها دانست. در دارایی‌هایدیجیتال، ترکیب «ثبت» با مفهوم «کنترل» از طریق کلیدهای دسترسی، حساب مدیریتی، Repository، سامانه مدیریت مجوزها یاترتیبات Escrow می‌تواند جایگزین مناسبی برای قبض سنتی باشد. قانون تأمین مالی تولید و زیرساخت‌ها بستر اولیه این تحول رافراهم ساخته، اما بهره‌برداری واقعی شرکت‌های فناورانه مستلزم تدوین مقررات دقیق درباره شناسایی، ثبت، ارزش‌گذاری، کنترل، تقدم واجرای وثیقه بر مدل‌ها، داده‌ها و وزن‌های هوش مصنوعی است؛ وگرنه ممکن است شرکتی مالک فناوری‌ای با ارزش اقتصادی هنگفتباشد، اما در نظام تأمین مالی همچنان «فاقد وثیقه» تلقی شود.

    امتیاز به نوشته

    برچسب ها

    نوشته های مشابه

    دیدگاهتان را بنویسید

    نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *